KI-Agenten und Automation
KI-Agenten und Automation, die auf Ihren Daten arbeiten
Ein Agent ist nur so gut wie das System, in dem er arbeitet. Ich mache CRM und Prozesse agentenfähig und baue die Automatisierung selbst: in Salesforce, Twenty und Airtable.
Woran KI-Projekte im CRM hängen bleiben
Selten am Modell. Fast immer an dem, worauf es arbeiten soll.
und scheitert an den echten Daten.
und wer es freigibt.
nicht im System.
und die Ausnahmen landen wieder bei Menschen.
über die ein Agent lesen und schreiben könnte.
also lässt er sich auch nicht belegen.
Was ich übernehme
Von der Grundlage bis zum Betrieb. Sie sprechen mit dem, der es auch baut.
Agenten-Readiness
Daten, Rechte und Prozesse prüfen, bevor ein Agent schreibt. Mit empfohlenem Anwendungsfall für den Einstieg.
Agentforce in Salesforce
Vom ersten Anwendungsfall mit geringem Risiko bis zum laufenden Betrieb. Ich habe Agentforce bereits produktiv eingesetzt.
Salesforce-Beratung →Agenten in Twenty
Anbindung über die eingebaute MCP-Schnittstelle, auf Wunsch mit einem lokal betriebenen Modell.
Twenty CRM →Agenten auf Airtable
Agenten, die auf Ihren Bases arbeiten, mit sauberem Datenmodell und klaren Rechten als Voraussetzung.
Airtable-Beratung →Prozessautomation
Mit Flows, n8n oder eigenem Code. Nicht jeder Ablauf braucht einen Agenten, oft reicht eine saubere Regel.
Freigaben und Protokoll
Was ein Agent selbst ändern darf, was ein Mensch freigibt, und ein Protokoll jeder Änderung.
Modellwahl und Betrieb
Claude, ChatGPT oder ein Modell im eigenen Netz, je nachdem, was Ihre Daten erlauben. Mit Überwachung im Betrieb.
Schulung
Ihr Team versteht, was der Agent tut, und kann Regeln und Freigaben selbst anpassen.
Wann Sie keinen Agenten brauchen
Keine Chatbot-Spielerei. Drei Fälle, in denen ich Ihnen etwas Einfacheres empfehle.
Der Ablauf folgt festen Regeln
Dann ist eine klassische Automatisierung günstiger, schneller und leichter zu prüfen als ein Agent.
Die Daten sind nicht verlässlich
Ein Agent macht schlechte Daten schneller sichtbar, nicht besser. Erst aufräumen, dann automatisieren.
Der Fall kommt selten vor
Was zweimal im Monat passiert, rechtfertigt keinen Agenten. Der Aufwand gehört in die häufigen Fälle.
Mehr dazu: Wann Sie kein Agentforce brauchen und Ist Ihr CRM KI-bereit? 5 Fragen.
So kommt ein Agent bei Ihnen in den Betrieb
Erst die Grundlage, dann ein Prozess, dann der nächste.
Erstgespräch 30 Min
Ihre Systeme und der Ablauf, der Sie am meisten Zeit kostet. Danach wissen wir beide, ob es sich lohnt.
Readiness Festpreis
Daten, Rechte, Schnittstellen und Prozesse geprüft. Ergebnis ist ein Anwendungsfall für den Einstieg mit Pilotplan.
Pilot ein Prozess
Ein Ablauf von Anfang bis Ende, mit Freigaben und Messung vorher und nachher.
Betrieb mit Schulung
Überwachung, Protokoll und Schulung. Danach folgt der nächste Prozess oder die Übergabe an Ihr Team.
Einstieg mit klarem Umfang
Klarer Umfang, klares Ergebnis. Die Readiness-Checks werden bei Umsetzung voll angerechnet.
Agentforce-for-Service Readiness
ab 6.000 € Festpreis nach Scoping, netto · 4–5 Personentage
Case-Daten, Knowledge und Prozesse geprüft, mit Anwendungsfall für den Einstieg und Pilotplan.
Details → Twenty und AirtableAgenten-Readiness
ab 6.000 € Festpreis nach Scoping, netto · 4 Personentage
Dieselbe Prüfung für Twenty und Airtable: Daten, Rechte, Schnittstellen und ein Anwendungsfall für den Einstieg.
Details → AutomationAutomations-Sprint
15.000 € Festpreis, netto · 10 Personentage
Ein Prozess von Anfang bis Ende automatisiert, mit Messung vorher und nachher.
Details → UmsetzungAutomatisierung umsetzen
1.500 € pro Tag, netto · ab 20 Personentagen
Von mir selbst umgesetzt. Im gebuchten Block günstiger.
Details →Praxiswissen zu KI im CRM
Aus echten Projekten, nicht aus der Produktbroschüre.
Häufige Fragen
Mit einem Prozess, der oft vorkommt, klar abgegrenzt ist und bei dem ein Fehler rückholbar bleibt. Davor steht die Prüfung, ob Daten, Rechte und Schnittstellen einen Agenten tragen. Ohne diese Grundlage wird der Agent teuer und unzuverlässig.
Nur, wenn Salesforce Ihr führendes System ist und der Anwendungsfall dort liegt. Viele Abläufe lassen sich mit einem Flow, n8n oder einem Agenten über eine offene Schnittstelle günstiger lösen. Welcher Weg passt, zeigt die Prüfung am Anfang.
Das hängt von Ihren Daten ab: Claude oder ChatGPT, wenn die Verarbeitung in der Cloud in Ordnung ist, oder ein Modell im eigenen Netz, wenn die Daten das Haus nicht verlassen dürfen.
Nur das, was Sie ihm erlauben. Ich lege mit Ihnen fest, was ein Agent lesen darf, was er selbst schreiben darf und was erst nach einer Freigabe durch einen Menschen geschieht. Jede Änderung wird protokolliert.
An eingesparter Bearbeitungszeit und an Fällen, die ohne Rückfrage erledigt sind. Beides wird vor dem Start gemessen und nach der Einführung wieder.